THAT：用于提升大规模鲁棒性的双头对抗训练
计算机视觉与模式识别
2021-03-26 v1 机器学习
摘要
人们已提出多种对抗训练的变体，多数研究聚焦于类别相对较少的问题。在本文中，我们提出双头对抗训练（THAT），一种双流对抗学习网络，旨在处理大规模多类别的 ImageNet 数据集。所提方法以两个头和两个损失函数训练网络；一个用于最小化自然图像与对抗图像之间的特征空间域偏移，另一个用于提升分类准确率。这一组合产生了一个强化网络，在 ImageNet 上实现了最先进的鲁棒准确率，同时保持了较高的自然准确率。通过大量实验，我们证明了所提框架在标准与“自由”对抗训练设置下均优于替代方法。
引用
@article{arxiv.2103.13612,
title = {THAT: Two Head Adversarial Training for Improving Robustness at Scale},
author = {Zuxuan Wu and Tom Goldstein and Larry S. Davis and Ser-Nam Lim},
journal= {arXiv preprint arXiv:2103.13612},
year = {2021}
}